邱梓轩课题组在基于无人机多光谱遥感的327个水稻品种生育期精确预测取得进展

精准农业旨在通过收集、分析和应用详细的作物生长信息来提高农业生产的效率和效益。目前大多数水稻生育期预测都是基于少数水稻品种进行预测方法研究，主要采用线性回归、机器学习等方法构建生育期预测模型，存在泛化能力差、精度低等挑战。

近日，海南大学南繁种质资源创制团队在Drones期刊（影响因子4.4）发表了一篇题为题为《Accurate Prediction of 327 Rice Variety Growth Period Based on Unmanned Aerial Vehicle Multispectral Remote Sensing》的研究论文。

本研究利用无人机获取水稻生长过程中的多光谱图像，并通过建立深度学习算法识别327个水稻品种的单株轮廓。在此基础上，建立了一种基于归一化植被指数结合三次多项式回归方程模拟327个水稻品种生长变化的生育期预测方法，并首次提出通过分析NDVI生长速率来推断不同水稻品种的生育期。单株水稻轮廓识别模型对不同水稻品种的预测精度存在一定差异，大部分预测精度在0.75 ~ 0.93之间；因此，单株水稻轮廓识别模型对不同水稻品种的轮廓识别能力较好。水稻生育期预测模型对不同水稻品种生育期预测精度也存在一定差异，均方根误差集中在0.506 ~ 3.373 d之间，相对均方根误差集中在2.555% ~ 14.660%之间，偏倚集中在1.126 ~ 2.358 d之间，相对偏倚集中在0.787% ~ 9.397%之间；因此，利用水稻品种生育期预测模型可以有效提高水稻生育期的预测精度。

本研究首次预测了中国327个主要水稻品种的生育期，327个水稻品种的种植面积占中国水稻土地面积的90%以上。由于不同水稻品种间植被指数随生育期变化特征存在显著差异，未来，利用时序卫星遥感监测的植被指数随生育期变化特征可与本研究327个水稻品种的生育期预测模型相匹配，以期有效、准确地利用时序卫星遥感预测水稻品种。

图1.为研究区域及品种分布图。Ⅰ：海南省三亚市地理位置；II：研究区域的地理位置；Ⅲ：研究区域概述。(a)三亚市海棠湾国家水稻公园；(b)研究地区水稻品种的田间布局图。

图2.无人机多光谱遥感监测设备和植被指数图像（a）DJI Mavic 3M 无人机和多光谱传感器的示意图；（b）327个水稻品种在各个生长阶段的植被指数图像。

图3.Cascade R-CNN 算法结构图。H1、H2 和H3：来自不同池化层的高级特征；C1、C2 和C3：用于对候选区域内的对象进行分类；B1、B2 和B3：用于对候选区域内的对象进行定位。

图4.不同水稻生长阶段的成熟期

图5.SSD与Cascade R-CNN损失函数曲线的对比：(a) SSD模型在训练集和验证集上的损失，(b) 改进后的Cascade R-CNN模型在训练集和验证集上的损失。

图6.单株水稻检测结果对比：(a) 真实值，(b) SSD模型单株水稻检测预测结果，(c) 改进的Cascade R-CNN模型单株水稻检测预测结果。

图7.部分水稻品种归一化植被指数（NDVI）和NDVI生长率随生育期的变化(a) NDVI时间序列曲线。(b)时间序列曲线。

图8.327个水稻品种的NDVI时间序列曲线

图9.327个水稻品种(NDVI生长率)时间序列曲线

该研究由海南大学南繁学院（三亚南繁研究院）曹兵研究员担任通讯作者，邱梓轩副教授与在读硕士生刘昊担任共同一作。在读硕士生王鹿、梁松等人参与了研究工作。此项研究得到了“海南省重大科技计划项目-海南双季稻亩产3000斤新品种筛选及配套技术研究与示范”(项目编号ZDKJ2021002）的资助。

原文链接：https://doi.org/10.3390/drones8110665